Le contrôle de la glycémie

(1)

Le contrôle de

la glycémie

Un exemple de

collaboration médecin-ingénieur

(2)

Paul Massion

Médecin

Service de Soins Intensifs Généraux du CHU de Liège

Sophie Penning

Ingénieur biomédical Doctorante à l’ULg, Centre de

(3)

(4)

Glycémie?

Remarque.

Pour un diabétique à jeun : > 126 mg/dL = glycémie normale

Valeur de la glycémie Patient sain (à jeun)

< 40 mg/dl < 2.2 mmol/L Hypoglycémie sévère

< 60 mg/dl < 3.3 mmol/L Hypoglycémie modérée

80 – 110 mg/dl 4.4 – 6.1 mmol/L Glycémie normale

> 110 mg/dl > 6.1 mmol/L Hyperglycémie modérée

> 180 mg/dl > 10.0 mmol/L Hyperglycémie sévère

(5)

Glycémie?

2h après 75 g de glucose, la glycémie normale sera:

> 140 mg/dL, pour un patient sain

> 200 mg/dL, pour un patient diabétique

Valeur de la glycémie Patient sain (à jeun)

80 – 110 mg/dl 4.4 – 6.1 mmol/L Glycémie normale

> 110 mg/dl > 6.1 mmol/L Hyperglycémie modérée

(6)

Glycémie?

 Taux de glucose dans le sang

 Glucose = source d’énergie

 Apport énergétique constant  glycémie

constante  système de régulation

Remarque.

L’homéostasie est nécessaire car le cerveau a un besoin énergétique contant.

(7)

Régulation glycémie?

(8)

Régulation glycémie?

Apport Utilisation

(9)

Régulation glycémie?

Apport de glucose

 Nutrition (entérale/parentérale)

 Glucides simples = glucose, fructose et

galactose.

 Glucides complexes = pain, céréales, riz,

pâtes, etc.

 Production : glycogène  glucose

 Foie, si jeûne ou effort intense.

(10)

Régulation glycémie?

Apport Utilisation

(11)

Régulation glycémie?

Apport Utilisation

(12)

Régulation glycémie?

Utilisation de glucose

 Production d’énergie (muscles)

𝑔𝑙𝑢𝑐𝑜𝑠𝑒 + 6𝑂₂ → 6𝐶𝑂₂ + 𝐻𝑂 + 38 𝐴𝑇𝑃

ATP = énergie utilisable mais non stockable

 Création d’ATP en continu

 Stockage

 En glycogène : foie et muscles

 En graisse: foie et tissus adipeux

Remarque.

(13)

Régulation glycémie?

(14)

Régulation glycémie?

 Quel organe utilise le plus de glucose?

Cerveau:

 Adulte: 120g/jour.

(15)

Régulation glycémie?

 Quels organes ne vivent que par le

(16)

Régulation glycémie?

 Quels organes ne vivent que par le

glucose? Le cerveau

Les globules rouges La rétine

(17)

Régulation glycémie?

(18)

Régulation glycémie?

 Quelles hormones régulent la glycémie?

Insuline

 diminution de la glycémie

Glucagon, cortisol et adrénaline

(19)

Dérégulation glycémie?

 Glycémie trop basse : hypoglycémie

 Symptômes: fatigue intense, sueurs,

tremblement, syncope, etc.

 Danger

(20)

Dérégulation glycémie?

 Glycémie trop élevée: hyperglycémie

 Symptômes: soif, polyurie, amaigrissement

 Danger: complications oculaires,

infectieuses, coma, etc.

 Traitement: insuline

(21)

Diabète?

 Qu’est-ce que c’est?

 Quelles en sont les causes?

(22)

Diabète?

 Diabète sucré  diabète insipide

 Diabète primaire:

 Type I

 Type II

 Grossesse

 Diabète secondaire: génétique,

pancréatique, cirrhose, médicamenteux (corticoïdes), etc.

(23)

Le contrôle de la glycémie?

Cas particulier: les patients des soins intensifs

 Hyperglycémie auto-entretenue

 Par la maladie aigue

 Par certains actes agressifs

 Par les médicaments

 Variabilité glycémique

 Faible SI

(24)

Le contrôle de la glycémie?

 Réponse médical: apport d’insuline

exogène

(25)

Le contrôle de la glycémie?

 Idée ingénieur: créer un contrôle basé sur

un modèle du système de régulation de la glycémie

(26)

Le contrôle de la glycémie?

 Rôle de l’ingénieur

(27)

Le contrôle de la glycemie?

Modélisation Création de

patients virtuels Développement d’un protocole Essais virtuels Essais cliniques

•Variabilité inter-/intra-patient

•Pharmaco-cinétique/-dynamique du système

•Application en temps réel (choix des paramètres) ) ( ) ( 1 . . . t V CNS EGP t P Q Q G S G p G G G I G          kI kQ Q   B t u k I ex I I e V t u I nI I ( ) ( I ex()) 1         Model equations ) ( ) , min( ) , min( ) ( 1 1 1 1 1 max 2 2 2 max 2 2 t D P d P P d P P d P P P d t P          Dextrose Absorption Brain Other cells Insulin losses (liver, kidneys) Glucose Insulin Liver Blood Glucose Liver Insu lin sens itivity Insu lin sens itivity Effective insulin Plasma Insulin Pancreas Brain Other cells Insulin losses (liver, kidneys) Glucose Insulin Liver Blood Glucose Liver Insu lin sens itivity Insu lin sens itivity Effective insulin Plasma Insulin Pancreas

(28)

Le contrôle de la glycemie?

Modélisation Création de

patients virtuels Développement d’un protocole Essais virtuels Essais cliniques

•Variabilité inter-/intra-patient

•Pharmaco-cinétique/-dynamique du système

•Application en temps réel (choix des paramètres) ) ( ) ( 1 . . . t V CNS EGP t P Q Q G S G p G G G I G          kI kQ Q   B t u k I ex I I e V t u I nI I ( ) ( I ex()) 1         Model equations ) ( ) , min( ) , min( ) ( 1 1 1 1 1 max 2 2 2 max 2 2 t D P d P P d P P d P P P d t P          Dextrose Absorption Brain Other cells Insulin losses (liver, kidneys) Glucose Insulin Liver Blood Glucose Liver Insu lin sens itivity Insu lin sens itivity Effective insulin Plasma Insulin Pancreas Brain Other cells Insulin losses (liver, kidneys) Glucose Insulin Liver Blood Glucose Liver Insu lin sens itivity Insu lin sens itivity Effective insulin Plasma Insulin Pancreas

(29)

Le contrôle de la glycémie?

Modélisation Création de

patients virtuels Développement d’un protocole Essais virtuels Essais cliniques

Donnée cliniques • Glycémie • Insuline • Nutrition Profil de sensibilité à l’insuline: SI(t) 0 500 1000 1500 2000 0 5 10 15 FIT5005.mat B G (m m o l/ L ) 0 500 1000 1500 2000 0 500 1000 1500 I/ Q ( m U /L ) I Q 0 500 1000 1500 2000 0 2 4 6x 10 -4 SI [ L /( m U .m in )] 0 500 1000 1500 2000 0 5000 In s u lin ( m U /m in ) Time (mins) 0 500 1000 1500 2000 0 0.5 D ( m m o l/ m in ) 0 500 1000 1500 2000 0 5 10 15 FIT5005.mat B G (m m o l/L ) 0 500 1000 1500 2000 0 500 1000 1500 I/ Q ( m U /L ) I Q 0 500 1000 1500 2000 0 2 4 6x 10-4 SI [ L /( m U .m in )] 0 500 1000 1500 2000 0 5000 In s u lin ( m U /m in ) Time (mins) 0 500 1000 1500 2000 0 0.5 D ( m m ol/ m in ) 0 500 1000 1500 2000 0 5 10 15 FIT5005.mat B G (m m o l/ L ) 0 500 1000 1500 2000 0 500 1000 1500 I/ Q ( m U /L ) I Q 0 500 1000 1500 2000 0 2 4 6x 10 -4 SI [ L /( m U .m in )] 0 500 1000 1500 2000 0 5000 In s u li n ( m U /m in ) Time (mins) 0 500 1000 1500 2000 0 0.5 D ( m m o l/ m in ) Modèle

(30)

Le contrôle de la glycémie?

Modélisation _{patients virtuels}Création de Développement

d’un protocole Essais virtuels Essais cliniques

Boîte noire Etat du patient (données) Traitement • Taux d’insuline • Taux de nutrition • Timing

(31)

Le contrôle de la glycémie?

Modélisation _{patients virtuels}Création de Développement

d’un protocole Essais virtuels Essais cliniques

Boîte noire Etat du patient (données) Traitement • Taux d’insuline • Taux de nutrition • Timing

Code listing 1: Controller framework

function [PatientStruct, TimeSoln, Simulation] =

MyController(PatientStruct, TimeSoln, Simulation)

Implement logic to select new insulin and nutrition rates…let the new rates be stored in the following variables:

u_new – insulin bolus [mU/min for 1 minute] and/or insulin infusion [mU/min] P_new – enteral nutrition rate [mmol/min]

PN_new – Parenteral nutrition rate [mmol/min]

Time to next BG measurement/control intervention

Simulation.measurement_time = 60; %minutes to the next measurement Store the insulin/nutrition prescription

PatientStruct.u{1,1} = [PatientStruct.u{1,1}; u_new{1,1}]; PatientStruct.u{1,2} = [PatientStruct.u{1,2}; u_new{1,2}]; PatientStruct.P{1,1} = [PatientStruct.P{1,1}; P_new{1,1}]; PatientStruct.P{1,2} = [PatientStruct.P{1,2}; P_new{1,2}]; PatientStruct.PN{1,1} = [PatientStruct.PN{1,1}; PN_new{1,1}]; PatientStruct.PN{1,2} = [PatientStruct.PN{1,2}; PN_new{1,2}];

Determine whether to stop the simulation

if PatientStruct.Treal(end) >= PatientStruct.rawSI{1,1}(end) Simulation.stop_simulation = 1; else Simulation.stop_simulation = 0; end

(32)

Le contrôle de la glycémie?

Modélisation _{patients virtuels}Création de Développement _{d’un protocole} Essais virtuels Essais cliniques

Appliquer le protocole aux patient virtuels Avantages:

• Pas d’accord d’un comité d’éthique • Plus sûr

(33)

Le contrôle de la glycémie?

Modélisation Création de patients virtuels

Développement

d’un protocole Essais virtuels cliniques Essais

(34)

Le contrôle de la glycémie?

Modélisation _{patients virtuels}Création de Développement _{d’un protocole} Essais virtuels Essais

cliniques

(35)

Le contrôle de la glycémie?

(36)

Le contrôle de la glycémie?

 Rôle de l’ingénieur

Modélisation _{patients virtuels}Création de Développement _{d’un protocole} Essais virtuels Essais cliniques

Recherche biblio. Modélisation Identification Application du modèle Méthodologie Compréhension Créativité Réflexion Méthodologie Esprit critique Flexibilité Vulgarisation Rigueur

(37)

Le contrôle de la glycémie?

Autres applications:

 HIET:

 Qu’est-ce que c’est?

 Pourquoi a-t-on besoin des ingénieurs?

(38)

Opinion du médecin?

 Difficultés rencontrées?  Satisfactions?  Améliorations?  Projet futur?  …

(39)

Opinion de l’ingénieur?

 Difficultés rencontrées?  Satisfactions?  Améliorations?  Projet futur?  …

(40)

Et vous, qu’en pensez-vous?

 Cela pourrait-il vous intéresser?

 Etiez-vous conscient de telles

collaborations entre la médecine et l’ingénierie?